CN110375751A - 一种自动驾驶实时导航系统架构 - Google Patents
一种自动驾驶实时导航系统架构 Download PDFInfo
- Publication number
- CN110375751A CN110375751A CN201910691916.9A CN201910691916A CN110375751A CN 110375751 A CN110375751 A CN 110375751A CN 201910691916 A CN201910691916 A CN 201910691916A CN 110375751 A CN110375751 A CN 110375751A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- automatic pilot
- real
- ddx
- navigation system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 11
- 230000003068 static effect Effects 0.000 description 6
- 238000003491 array Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 235000021184 main course Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明涉及汽车自动驾驶领域,具体地说,就是一种自动驾驶实时导航系统架构,DDX层为中间层,车辆层为底层,导航层为顶层,本发明为自动驾驶提供了一个系统的软件解决方案,提高了软件开发效率,中间层提供一种有效的通信机制,实现多个进程间的数据共享,并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性,车辆层提供一种虚拟仿真车辆设计基于模拟器仿真引擎,允许对车辆、传感器及其环境进行仿真,方便在动态环境中进行自动驾驶算法的设计和测试,其中,路径规划算法同时兼备实时性与安全性提高了自动驾驶的安全性。
Description
技术领域
本发明涉及汽车自动驾驶领域,具体地说,就是一种自动驾驶实时导航系统架构。
背景技术
随着计算机,微电子技术的快速发展,智能车辆技术的开发越来越快,智能程度也越来越高,应用的范围也得到了极大的扩展。
针对自动驾驶的安全问题,目前大多数的动态反馈性方法都面临着一个主要的挑战:动态环境下的运动安全性并没有得到保证;针对自动驾驶软件开发效率问题,目前很多传统汽车厂商使用集中式软件开发模式,该模式不利于程序的调试以及软件的开发。
发明内容
为了解决上述问题,本发明提供了一种同时兼备实时性与安全性的路径规划算法,提高了自动驾驶的安全性;针对自动驾驶软件开发效率问题,提出了一套自动驾驶框架,极大的提高了软件开发效率。
为了达到上述目的,本发明披露的技术方案具体如下:
一种自动驾驶实时导航系统架构,包括发布层/订阅层(DDX层)、车辆层、导航层,DDX层为中间层,车辆层为底层,导航层为顶层。
本发明的进一步改进,DDX层包括地理信息系统、DDX存储中心,其中,DDX层中使用UDP/IP通信协议,DDX存储中心包括四种数据结构,主要与车体车辆或其所处环境相关:
1)车辆相关:
状态:编码器值,车轮速度等;
指令:执行器命令(速度、转向角度);
位姿:车辆的位置和方向。
2)地标:观察到的显著环境特征地标位置,主要用于绝对定位。
3)轨迹:车辆要执行的标称轨迹。表示为一对(状态,时间)序列。
4)移动对象:环境中观察到的运动对象,其特征包括形状、位置、方向和速度。
表1表达了不同导航模块如何使用以上数据结构。定位过程中使用的GIS数据是地标位置;世界模型建立从GIS中得到道路几何形状信息;而未来模型是对当前环境状态描述加上移动对象未来运动的预测。
表1:导航模块使用数据结构说明表
DDX提供一种有效的通信机制,可以实现多个进程间的数据共享,并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性,
本发明的进一步改进,车辆层包括实时车辆状态、虚拟仿真车辆状态。
本发明的进一步改进,实时车辆采用轻型电动汽车,车辆可以使用操纵旋钮驱动,也可以实施计算机控制,车辆内部设置有GPS、IMU、摄像头、激光雷达、毫米波雷达,采用Ubuntu下的工控机对车辆进行整体控制。
本发明的进一步改进,系统内部设置有模拟器仿真引擎。
本发明的进一步改进,导航层包括世界模型、定位、运动规划和运动追踪模块。世界模型建立一个用于自动导航的车辆环境模型,GIS可以提供环境的静态信息,车载传感器提供动态信息,未来模型提供运动对象未来行为信息。其中:
1)静态信息
环境的先验静态信息,可以在地理信息系统(GIS)中得到。一般情况下,一个描绘环境的二维地图便可以实现自动导航;但除了二维地图,GIS包含的环境信息的地标也可用于定位;同时,运动规划模块利用GIS中包含的车道结构信息,可以计算出达到给定目标而遵循的路线。
2)动态信息
动态信息的检测主要取决于不同的外部感知传感器,涉及环境中的运动对象,如车辆、行人等。运动规划模块不仅需要这些运动物体的位置和形状,还需要它们的动力学信息,如线速度、角速度、加速度等,以及任何可以用来预测它们未来行为的信息。由于运动对象的信息由对应的传感器处理直接输出,运动追踪模块在车辆层进行,而不是导航层进行处理。
3)未来预测
运动规划需要对未来进行一定程度的推理、预测。在提出的体系架构中,运动预测依赖于行人和车辆不随机移动,即遵循典型的“运动模式”,这些“运动模式”可以在预测阶段学习并使用。
本发明的进一步改进,世界模型建立一个用于自动导航的车辆环境模型,所述车辆环境模型内部设置有GIS系统、车载传感器、未来模型。
本发明的进一步改进,定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器,所述定位模块内部采用有三角测量计算方式,所述定位模块内部利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合。
本发明的进一步改进,运动规划模块与DDX存储中心、世界模块连接,所述运动规划模块内部设置为局部运动规划和不可避免碰撞状态。运动规划模块基于局部运动规划和不可避免碰撞状态,将世界模型提供的预测量作为输入,计算生成规划轨迹,并其存入DDX存储库中。
本发明的进一步改进,运动追踪模块与所述DDX存储器连接,运动追踪模块内部设置有特定的运动控制模型,进行自动驾驶车辆的精确控制。车辆状态定义为3元数组(x,y,θ),控制定义为一个2元数组(v,ξ)。A的运动由以下运动方程控制:
运动追踪问题可以认为是追踪一个沿着给定轨迹运动的运动参照系,采用线性化的五阶动态模型设计控制器,将其在x、y轴上进行解耦。其中,轨迹追踪误差e=(ex,ey)表示机器人当前位置与期望位置的偏差,eθ表示当前状态和参考系之间的航向角偏差,(υ*,ξ*)表示速度和转向角的参考值,预期的速度υc和转向角ξc按如下方式得到:
其中,kυ=(kυ1,kυ2),kξ=(kξ1,kξ2,kξ3);kυi(i=1,2)、kξj(j=1,2,3)是正标量,用来修正追踪误差。
本发明的有益效果:本发明为驾驶提供了一个系统的软件解决方案,提高了软件开发效率,中间层提供一种有效的通信机制,实现多个进程间的数据共享,并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性,车辆层提供一种虚拟仿真车辆设计基于模拟器仿真引擎,允许对车辆、传感器及其环境进行仿真,方便在动态环境中进行自动驾驶算法的设计和测试,定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器(EKF)实现里程计定位;将GIS中获得的先验地标数据与观测到的实时地标数据进行匹配,实现基于地标的定位;使用三角测量计算实时观测地标与先验地标的方位角,实现车辆航向角的测量;最后,利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合,实现车辆定位的稳定性、准确性。路径规划算法同时兼备实时性与安全性提高了自动驾驶的安全性。
附图说明
图1是本发明的结构图。
图2是PMP迭代更新示意图。
图3是车辆简化示意图。
图中:1-导航层,2-DDX存储中心,3-DDX层,4-车辆层,5-虚拟仿真传感器数据,6-实时环境传感器数据,7-地理信息系统,8-世界模型,9-定位,10-运动规划,11-运动追踪。
具体实施方式
为了加深对本发明的理解,下面将结合附图和实施例对本发明做进一步详细描述,该实施例仅用于解释本发明,并不对本发明的保护范围构成限定。
实施例:如图1,一种自动驾驶实时导航系统架构,包括发布层/订阅层(DDX层)、车辆层、导航层,DDX层为中间层,车辆层为底层,导航层为顶层。
DDX层包括地理信息系统、DDX存储中心。DDX提供一种有效的通信机制,实现多个进程间的数据共享,并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性。地理信息系统主要提供环境的静态信息:道路的几何、拓扑形状信息,交通灯,交通标志等。存储中心主要存储下列四种数据结构。
图3是车辆简化示意图。
1)车辆模型:
设A表示车辆。A的状态表达为一个5元数组(x,y,θ,v,ξ),其中(x,y)表示后轴中点的坐标,θ为主航向角,v为后轮的线速度,ξ为前轮的航向角;A的控制主要依靠二元数组(α、γ),α为后轮线性加速度,γ为转向速度。A的运动控制方程如下:
其中,α∈(αmin,αmax),γ∈[γmin,γmax],|ξ|≤ξmax,L是A的轴距。
2)局部运动规划
在动态环境中,即使车辆本身处于静止状态,也可能会被一个正在移动的物体碰撞。此时,需要对车辆施加实时约束,即规定时间段内决定车辆未来的行动方向。该时间段是环境动态性的函数,直接与运动物体和机器人系统的动力学有关。如前所述,PMP是一种明确考虑实时约束的规划方案:当规定时间段结束时,PMP被中断,返回局部运动规划结果,不一定到达最终目标。所以,有必要迭代局部运动规划过程,直到达到最终目标。PMP的迭代必不可少,因为未来的模型是基于预测的,并且在大多数情况下预测的有效性持续时间是有限的。迭代过程允许以给定的频率更新预测,从而侧重考虑到环境的实时动态特性。图2为PMP迭代周期。运动规划迭代从ti时刻开始,包括三个步骤:
(1)根据世界模型获得下一时刻的更新模型;
(2)采用增量搜索的方法搜索A的状态、时间空间,ti+1=ti+δp,其中δp为已规划的增量时间;
(3)在ti+1时刻,将离散化信息存放在DDX存储仓库中。
PMP过程不断迭代,直到目标状态的邻域。该方法基于快速搜索随机树(RRT)技术,采用增量搜索方法对状态空间进行搜索,本质上是渐进的,可以随时被中断。特别地,RRT可以计算无碰撞轨迹,使用不可避免冲突状态检查器可以确保A永远未来某个时刻发生碰撞。
车辆层包括实时车辆状态、虚拟仿真车辆状态。实时车辆采用一种轻型电动汽车,可以使用操纵旋钮驱动,也可以实施计算机控制,配备各种传感器,如GPS、IMU、摄像头、激光雷达、毫米波雷达等,采用Ubuntu下的工控机对车辆进行整体控制。虚拟仿真车辆设计基于模拟器仿真引擎,允许对车辆、传感器及其环境进行仿真,方便在动态环境中进行自动驾驶算法的设计和测试,如图2所示。
1)车辆相关:
状态:编码器值,车轮速度等;
指令:执行器命令(速度、转向角度);
位姿:车辆的位置和方向。
2)地标:观察到的显著环境特征地标位置,主要用于绝对定位。
3)轨迹:车辆要执行的标称轨迹。表示为一对(状态,时间)序列。
4)移动对象:环境中观察到的运动对象,其特征包括形状、位置、方向和速度。
导航层包括世界模型、定位、运动规划和运动追踪模块。世界模型建立一个用于自动导航的车辆环境模型,GIS提供环境的静态信息,车载传感器提供动态信息,未来模型提供运动对象未来行为信息。定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器(EKF)实现里程计定位;将GIS中获得的先验地标数据与观测到的实时地标数据进行匹配,实现基于地标的定位;使用三角测量计算实时观测地标与先验地标的方位角,实现车辆航向角的测量;最后,利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合,实现车辆定位的稳定性、准确性。运动规划模块基于局部运动规划(PMP)和不可避免碰撞状态(ICS),将世界模型提供的预测量作为输入,计算生成规划轨迹,并其存入DDX存储库中。运动追踪模块从DDX存储器中获取当前、期望状态值,解算车辆当前状态和期望状态之间的最小化误差,采用特定的运动控制模型,进行自动驾驶车辆的精确控制。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种自动驾驶实时导航系统架构,其特征在于,包括发布层/订阅层(DDX层)、车辆层、导航层,所述DDX层为中间层,所述车辆层为底层,所述导航层为顶层,所述DDX层包括地理信息系统、DDX存储中心,所述DDX层中使用UDP/IP通信协议。
2.根据权利要求1所述的自动驾驶实时导航系统架构,其特征在于:所述车辆层包括实时车辆状态、虚拟仿真车辆状态。
3.根据权利要求2所述的自动驾驶实时导航系统架构,其特征在于:所述实时车辆采用轻型电动汽车,所述车辆使用操纵旋钮驱动,或实施计算机控制,车辆内部设置有GPS、IMU、摄像头、激光雷达、毫米波雷达,采用Ubuntu下的工控机对车辆进行整体控制。
4.根据权利要求3所述的自动驾驶实时导航系统架构,其特征在于:所述系统内部设置有模拟器仿真引擎。
5.根据权利要求4所述的自动驾驶实时导航系统架构,其特征在于:所述导航层包括世界模型、定位、运动规划和运动追踪模块。
6.根据权利要求5所述的自动驾驶实时导航系统架构,其特征在于:所述世界模型建立一个用于自动导航的车辆环境模型,所述车辆环境模型内部设置有GIS系统、车载传感器、未来模型。
7.根据权利要求6所述的自动驾驶实时导航系统架构,其特征在于:所述定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器,所述定位模块内部采用有三角测量计算方式,所述定位模块内部利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合。
8.根据权利要求7所述的自动驾驶实时导航系统架构,其特征在于:所述运动规划模块与DDX存储中心、世界模块连接,所述运动规划模块内部设置为局部运动规划和不可避免碰撞状态。
9.根据权利要求8所述的自动驾驶实时导航系统架构,其特征在于:所述运动追踪模块与所述DDX存储器连接,所述运动追踪模块内部设置有特定的运动控制模型,进行自动驾驶车辆的精确控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910691916.9A CN110375751A (zh) | 2019-07-29 | 2019-07-29 | 一种自动驾驶实时导航系统架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910691916.9A CN110375751A (zh) | 2019-07-29 | 2019-07-29 | 一种自动驾驶实时导航系统架构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110375751A true CN110375751A (zh) | 2019-10-25 |
Family
ID=68256790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910691916.9A Pending CN110375751A (zh) | 2019-07-29 | 2019-07-29 | 一种自动驾驶实时导航系统架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110375751A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112362069A (zh) * | 2020-11-16 | 2021-02-12 | 浙江大学 | 一种模块化自动驾驶算法开发验证系统和验证方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104994166A (zh) * | 2015-07-10 | 2015-10-21 | 李德毅 | 智能车分布式进程虚拟交换机通信方法 |
CN105551284A (zh) * | 2016-01-29 | 2016-05-04 | 武汉光庭科技有限公司 | 一种开放式自动驾驶系统 |
CN105730453A (zh) * | 2016-03-01 | 2016-07-06 | 北京联合大学 | 基于三层架构的智能汽车交互系统及设计方法 |
CN107506830A (zh) * | 2017-06-20 | 2017-12-22 | 同济大学 | 面向智能汽车规划决策模块的人工智能训练平台 |
CN107864694A (zh) * | 2016-07-21 | 2018-03-30 | 百度时代网络技术(北京)有限公司 | 用于操作无人驾驶车辆的计算节点当中的有效通信 |
CN108011947A (zh) * | 2017-11-30 | 2018-05-08 | 湖北汽车工业学院 | 一种车辆协作式编队行驶系统 |
US20190012909A1 (en) * | 2016-01-03 | 2019-01-10 | Yosef Mintz | System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities |
CN109324539A (zh) * | 2018-08-28 | 2019-02-12 | 山东省科学院自动化研究所 | 一种自动驾驶封闭测试场的智能控制平台及方法 |
CN109398091A (zh) * | 2018-09-20 | 2019-03-01 | 爱驰汽车有限公司 | 电动汽车的车辆模式架构设计方法及系统、存储介质及终端 |
CN109460042A (zh) * | 2018-12-29 | 2019-03-12 | 北京经纬恒润科技有限公司 | 一种自动驾驶控制方法及系统 |
US20190113919A1 (en) * | 2017-10-18 | 2019-04-18 | Luminar Technologies, Inc. | Controlling an autonomous vehicle using smart control architecture selection |
CN109992272A (zh) * | 2017-12-28 | 2019-07-09 | 上海擎感智能科技有限公司 | 导航引擎共享方法、智能终端、服务器及自动驾驶车辆 |
-
2019
- 2019-07-29 CN CN201910691916.9A patent/CN110375751A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104994166A (zh) * | 2015-07-10 | 2015-10-21 | 李德毅 | 智能车分布式进程虚拟交换机通信方法 |
US20190012909A1 (en) * | 2016-01-03 | 2019-01-10 | Yosef Mintz | System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities |
CN105551284A (zh) * | 2016-01-29 | 2016-05-04 | 武汉光庭科技有限公司 | 一种开放式自动驾驶系统 |
CN105730453A (zh) * | 2016-03-01 | 2016-07-06 | 北京联合大学 | 基于三层架构的智能汽车交互系统及设计方法 |
CN107864694A (zh) * | 2016-07-21 | 2018-03-30 | 百度时代网络技术(北京)有限公司 | 用于操作无人驾驶车辆的计算节点当中的有效通信 |
CN107506830A (zh) * | 2017-06-20 | 2017-12-22 | 同济大学 | 面向智能汽车规划决策模块的人工智能训练平台 |
US20190113919A1 (en) * | 2017-10-18 | 2019-04-18 | Luminar Technologies, Inc. | Controlling an autonomous vehicle using smart control architecture selection |
CN108011947A (zh) * | 2017-11-30 | 2018-05-08 | 湖北汽车工业学院 | 一种车辆协作式编队行驶系统 |
CN109992272A (zh) * | 2017-12-28 | 2019-07-09 | 上海擎感智能科技有限公司 | 导航引擎共享方法、智能终端、服务器及自动驾驶车辆 |
CN109324539A (zh) * | 2018-08-28 | 2019-02-12 | 山东省科学院自动化研究所 | 一种自动驾驶封闭测试场的智能控制平台及方法 |
CN109398091A (zh) * | 2018-09-20 | 2019-03-01 | 爱驰汽车有限公司 | 电动汽车的车辆模式架构设计方法及系统、存储介质及终端 |
CN109460042A (zh) * | 2018-12-29 | 2019-03-12 | 北京经纬恒润科技有限公司 | 一种自动驾驶控制方法及系统 |
Non-Patent Citations (2)
Title |
---|
WISDOM_BOB: "自动驾驶——模型预测控制(MPC)理解与实践", 《HTTPS://BLOG.CSDN.NET/QQ_42258099/ARTICLE/DETAILS/95353986》, pages 1 - 14 * |
车云等: "《智能汽车:决战2020》", 北京理工大学出版社, pages: 197 - 198 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112362069A (zh) * | 2020-11-16 | 2021-02-12 | 浙江大学 | 一种模块化自动驾驶算法开发验证系统和验证方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | Robust lateral trajectory following control of unmanned vehicle based on model predictive control | |
CN110244735B (zh) | 移动机器人跟踪预定轨迹的启发式动态规划控制方法 | |
CN103914068A (zh) | 一种基于栅格地图的服务机器人自主导航方法 | |
Adouane | Reactive versus cognitive vehicle navigation based on optimal local and global PELC∗ | |
CN112068574A (zh) | 一种无人车在动态复杂环境中的控制方法及系统 | |
CN110687908B (zh) | 基于ros的园区无人车轨迹生成系统及其控制方法 | |
Wu et al. | Route planning and tracking control of an intelligent automatic unmanned transportation system based on dynamic nonlinear model predictive control | |
CN112651456B (zh) | 基于rbf神经网络的无人车控制方法 | |
Qi et al. | Learning-based path planning and predictive control for autonomous vehicles with low-cost positioning | |
Lee et al. | Autonomous-driving vehicle control with composite velocity profile planning | |
CN108759822A (zh) | 一种移动机器人3d定位系统 | |
CN111290400B (zh) | 一种车队协同驾驶拆分控制方法 | |
Gao et al. | Cloud model approach for lateral control of intelligent vehicle systems | |
Darweesh et al. | Openplanner 2.0: The portable open source planner for autonomous driving applications | |
Yang et al. | Automatic Parking Path Planning of Tracked Vehicle Based on Improved A* and DWA Algorithms | |
CN110375751A (zh) | 一种自动驾驶实时导航系统架构 | |
Leng et al. | Deep reinforcement learning-based drift parking control of automated vehicles | |
CN113419521A (zh) | 一种自动驾驶车辆局部避障路径的规划及跟踪方法 | |
Ventura | Safe and flexible hybrid control architecture for the navigation in formation of a group of vehicles | |
CN114571460A (zh) | 机器人控制方法、装置及存储介质 | |
CN113829351A (zh) | 一种基于强化学习的移动机械臂的协同控制方法 | |
CN114200926B (zh) | 一种无人驾驶车辆的局部路径规划方法及系统 | |
Zhao et al. | Nonlinear terminal-free MPC on multitype bend tracking with discontinuous reference paths for autonomous vehicles | |
Paz-Delgado et al. | Combined path and motion planning for workspace restricted mobile manipulators in planetary exploration | |
Huang et al. | Dynamic model construction and simulation based on intelligent driving vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |